Implementasi Algoritma K-Medoids Clustering Untuk Mencari Keuntungan Sementara Dalam Laporan Keuangan
DOI:
https://doi.org/10.34012/jutikomp.v6i1.3505Keywords:
Clustering, K-Medoids, Data Mining, Profit ReportAbstract
The current economy has developed rapidly, especially with advances in technology in obtaining an installation decision, especially in elementary school installations where in private elementary school installations, there is some financial report data information such as income, expenses, and the results that have been achieved in these installations such as in SD Plus Albina. However, at SD Plus Albina, Bekasi Regency, the role of technology has yet to be implemented, especially in the financial reporting system, by knowing the level of temporary profits because knowing the value of temporary profits can make it easier to make decisions. Using the K-Medoids Clustering Algorithm, you can find out the temporary profit level with manual calculations using Microsoft Excel 2020 and sample data, 2 clusters are obtained, namely high and low. The low cluster (C1) is 2 data, and the high cluster (C2) is 12. Compared to other clustering algorithms, the advantage of the K-Medoids algorithm is that it is more reliable when there is noise data because it is not too affected by other extreme data.
References
A. Faisal, R. Samben, and S. Pattisahusiwa, “Analisis kinerja keuangan,” Kinerja, vol. 14, no. 1, p. 6, 2018, doi: 10.29264/jkin.v14i1.2444.
S. Tang and Elvi, “Analisis Faktor-Faktor yang Berpengaruh Terhadap Ketepatan Waktu Pelaporan Keuangan Perusahaan,” J. Akuntabel, vol. 18, no. 1, pp. 172–182, 2021, [Online]. Available: http://journal.feb.unmul.ac.id/index.php/AKUNTABEL%0AAnalisis.
I. Safira, R. Salkiawati, and W. Priatna, “Penerapan Algoritma K-Means untuk Mengetahui Pola Persediaan Barang pada Toko Raja Bekasi,” J. Inform. Inf. Secur., vol. 3, no. 1, pp. 99–110, 2022, doi: 10.31599/jiforty.v3i1.1253.
R. T. Handayanto et al., “Penentuan Pola Frekuensi Menggunakan Algoritma Apriori pada Sistem Informasi Berbasis Web,” J. Student Reseacrh Comput. Sci., vol. 3, no. 2, pp. 241–254, 2022.
W. Priatna, R. Purnomo, and T. D. Putra, “Implementasi Deep Learning Untuk Rekomendasi Aplikasi E-learning Yang Tepat Untuk Pembelajaran jarak jauh,” J. Kaji. Ilm., vol. 21, no. 3, pp. 261–274, 2021, doi: 10.31599/jki.v21i3.521.
W. Purba, S. Tamba, and J. Saragih, “The effect of mining data k-means clustering toward students profile model drop out potential,” J. Phys. Conf. Ser., vol. 1007, no. 1, pp. 0–6, 2018, doi: 10.1088/1742-6596/1007/1/012049.
I. Kamila, U. Khairunnisa, and M. Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 5, no. 1, p. 119, 2019, doi: 10.24014/rmsi.v5i1.7381.
D. A. Alodia, A. P. Fialine, D. Endriani, and E. Widodo, “Implementasi Metode K-Medoids Clustering untuk Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Pendidikan,” Sepren, vol. 2, no. 2, pp. 1–13, 2021.
E. Herman, K. E. Zsido, and V. Fenyves, “Cluster Analysis with K-Mean versus K-Medoid in Financial Performance Evaluation,” Appl. Sci., vol. 12, no. 16, 2022, doi: 10.3390/app12167985.
A. Sulistiyawati and E. Supriyanto, “Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan,” J. Tekno Kompak, vol. 15, no. 2, p. 25, 2021, doi: 10.33365/jtk.v15i2.1162.
K. Singh, D. Malik, and N. Sharma, “Evolving limitations in K-means algorithm in data mining and their removal,” IJCEM Int. J. Comput. Eng. Manag. ISSN, vol. 12, no. April, pp. 2230–7893, 2011, [Online]. Available: www.IJCEM.org%5Cnwww.ijcem.org.
F. A. Syam, “Implementasi Metode Klastering K-Means untuk Mengelompokan Hasil Evaluasi Mahasiswa,” J. Ilmu Komput. dan Bisnis, vol. 8, no. 1, pp. 1857–1864, 2017, doi: 10.47927/jikb.v8i1.94.
S. Masithoh et al., “Implementasi mbkm (merdeka belajar kampus merdeka) menurut perspektif mahasiswa agribisnis,” J. Agribisains, vol. 7, no. 2, pp. 59–67, 2022, [Online]. Available: https://ojs.unida.ac.id/AGB/article/view/5036.
H. Priyatman, F. Sajid, and D. Haldivany, “Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa,” J. Edukasi dan Penelit. Inform., vol. 5, no. 1, p. 62, 2019, doi: 10.26418/jp.v5i1.29611.
S. Setiawati and W. Priatna, “Pengelompokan Hasil Survei MBKM Menggunakan K-Mean dan K-,” vol. 7, pp. 426–435, 2023, doi: 10.30865/mib.v7i1.5003.
L. F. Ibrahim, “Using of clustering and ant-colony algorithms CWSP-PAM-ANT in network planning,” Int. Conf. Digit. Telecommun. 2006, ICDT’06, vol. 00, no. c, 2006, doi: 10.1109/ICDT.2006.77.
P. Arora, Deepali, and S. Varshney, “Analysis of K-Means and K-Medoids Algorithm for Big Data,” Phys. Procedia, vol. 78, no. December 2015, pp. 507–512, 2016, doi: 10.1016/j.procs.2016.02.095.
M. Herviany, S. P. Delima, T. Nurhidayah, and Kasini, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor di Provinsi Jawa Barat,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 34–40, 2021.
Qomariyah and M. U. Siregar, “Comparative Study of K-Means Clustering Algorithm and K-Medoids Clustering in Student Data Clustering,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 7, no. 2, pp. 91–99, 2022, doi: 10.14421/jiska.2022.7.2.91-99.
S. Samudi, S. Widodo, and H. Brawijaya, “The K-Medoids Clustering Method for Learning Applications during the COVID-19 Pandemic,” SinkrOn, vol. 5, no. 1, p. 116, 2020, doi: 10.33395/sinkron.v5i1.10649.
T. Widiyaningtyas, U. Pujianto, and M. I. W. Prabowo, “K-Medoids and K-Means Clustering in High School Teacher Distribution,” ICEEIE 2019 - Int. Conf. Electr. Electron. Inf. Eng. Emerg. Innov. Technol. Sustain. Futur., pp. 330–335, 2019, doi: 10.1109/ICEEIE47180.2019.8981466.
A. Wibowo, Moh Makruf, Inge Virdyna, and Farah Chikita Venna, “Penentuan Klaster Koridor TransJakarta dengan Metode Majority Voting pada Algoritma Data Mining,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 3, pp. 565–575, 2021, doi: 10.29207/resti.v5i3.3041.
T. S. Madhulatha, “Comparison between K-Means and K-Medoids,” Int. Conf. Adv. Comput. Inf. Technol., pp. 472–473, 2011.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Annisa Oktavianti Hermadi, wowon Priatna, Allan D Alexander
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
- Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
- Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Jurnal Teknologi dan Ilmu Komputer Prima sebagai media Publikasi pertama atas karya tersebut.
- Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Jurnal Teknologi dan Ilmu Komputer Prima sebagai media publikasi pertama atas karya dimaksud.
- Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.
